1.搭建环境:
1.利用conda创建虚拟环境:conda create -n python35 python=3.5;
2.安装tensorflow:在刚建立的虚拟环境中(conda activate python35)利用pip安装,指令:pip install tensorflow==1.12.0(我安装的是cpu)
3.给出复现代码的github链接:代码,进入之后将代码压缩包下载到指定文件夹中。
(如果无法访问github这里给出解决方法:修改hosts文件,路径为,C:\Windows\System32\drivers\etc,复制hosts到桌面,在后面添加:
#github
192.30.253.112 github.com
151.101.185.194 github.global.ssl.fastly.net然后保存,剪切到原来位置并替换。)
2.配置依赖项
1.在conda环境中:cd+ 路径(为在github中下载压缩包后解压文件夹的绝对路径)例如:cd E:\pythonpycharm\Faster-RCNN-TensorFlow-Python3-master;然后:pip install -r requirements.txt,在这步中会有很多代码中用到的依赖包被安装,比如maltplotlib,cython,opencv等等。
(python35) PS C:\Users\55192> cd E:\pythonpycharm\Faster-RCNN-TensorFlow-Python3.5-master
(python35) PS E:\pythonpycharm\Faster-RCNN-TensorFlow-Python3.5-master> pip install -r requirements.txt
2.继续利用cd命令转到:/data/coco/PythonAPI输入 :python setup.py build_ext --inplace, python setup.py build_ext install,如果出现错误,应该下载并安装vs2015,建立一个c++工程。接着转到./lib/utils并运行:python setup.py build_ext --inplace
(python35) PS E:\pythonpycharm\Faster-RCNN-TensorFlow-Python3-master\data\coco\PythonAPI> python setup.py build_ext --inplace
(python35) PS E:\pythonpycharm\Faster-RCNN-TensorFlow-Python3-master\data\coco\PythonAPI> python setup.py build_ext install
下载数据集voc2007,和预训练模型vgg16,(百度就可找到下载链接,都是压缩包)解压后的文件目录格式必须为:
Faster-RCNN-TensorFlow-Python3-master\data\VOCDevkit2007\VOC2007以及data\imagenet_weights\vgg16.ckpt
配置好这些就可以运行train.py,开始训练了
3.总结
才复现了第一个关于目标检测的算法,训练时间很长一共4万张图片,感谢代码贡献者,以及这位博主
有关理解原理的部分还不是特别明白,不过会继续研究,欢迎大家一起探讨。